Créer et analyser un DOE de mélange

0. Dans une expérience de mélange, il est impossible de modifier un ingrédient indépendamment des autres, car chaque augmentation d'un ingrédient exige une diminution correspondante d'au moins un autre pour maintenir le total fixe.

Dernière révision

Point clé

Create Mixture DoE génère un plan d'expériences lorsque les facteurs étudiés sont des proportions d'ingrédients dont la somme doit égaler une constante fixe, généralement 100% ou 1.0.

Sur cette page
  1. Qu'est-ce que Create Mixture DoE ?
  2. Quand utiliser Create Mixture DoE ?
  3. Recommandations pour bien utiliser Create Mixture DoE
  4. Alternatives : quand ne pas utiliser Create Mixture DoE
  5. Qu'est-ce que Analyse Mixture DoE ?
  6. Quand utiliser Analyse Mixture DoE ?
  7. Recommandations pour bien utiliser Analyse Mixture DoE
  8. Alternatives : quand ne pas utiliser Analyse Mixture DoE
  9. Exemple de Create & Analyse Mixture DoE
  10. Comment réaliser Create & Analyse Mixture DoE

Qu'est-ce que Create Mixture DoE ?

Create Mixture DoE génère un plan d'expériences lorsque les facteurs étudiés sont des proportions d'ingrédients dont la somme doit égaler une constante fixe, généralement 100% ou 1.0. Dans une expérience de mélange, il est impossible de modifier un ingrédient indépendamment des autres, car chaque augmentation d'un ingrédient exige une diminution correspondante d'au moins un autre pour maintenir le total fixe.

Les plans factoriels standard ne peuvent pas gérer cette contrainte. Les plans de mélange utilisent des structures spécialisées, Simplex Lattice, Simplex Centroid ou Extreme Vertices, qui explorent correctement l'espace réalisable des ingrédients et produisent des points d'expérience respectant la contrainte de mélange à chaque essai.

Définition simple : l'étape de planification des expériences de recettes et de formulations, qui génère un ensemble structuré de combinaisons d'ingrédients dont la somme égale toujours le total requis, afin de trouver le mélange idéal qui optimise la performance du produit.

Quand utiliser Create Mixture DoE ?

  • À utiliser lorsque les facteurs représentent des proportions d'ingrédients dont la somme doit égaler une constante fixe , comme une formulation de peinture, une recette alimentaire, un composé pharmaceutique ou un mélange chimique.
  • À utiliser lorsque vous voulez comprendre comment la modification des proportions relatives des ingrédients influence la qualité, la performance ou les propriétés du produit.
  • À utiliser lorsque les ingrédients sont soumis à des contraintes de bornes inférieure et supérieure , par exemple lorsqu'un composant doit représenter au moins 15% mais pas plus de 50% du mélange.
  • À utiliser lorsque des variables de procédé telles que la vitesse de mélange ou la température influencent aussi la réponse, en plus des composants du mélange.

Recommandations pour bien utiliser Create Mixture DoE

  • Assurez-vous que toutes les proportions d'ingrédients somment exactement au total défini à chaque essai : tout écart par rapport à la contrainte produira des données invalides.
  • Définissez des bornes inférieure et supérieure réalistes pour chaque ingrédient avant de choisir le type de plan : des contraintes irréalisables ou trop serrées peuvent produire un espace expérimental vide ou impraticable.
  • Utilisez Extreme Vertices lorsque des contraintes d'ingrédients existent et Simplex Lattice ou Centroid uniquement lorsque l'espace complet sans contrainte est accessible.
  • Préparez les mélanges aussi précisément que possible : de petites erreurs sur les proportions d'ingrédients s'accumulent d'un essai à l'autre et réduisent la fiabilité du modèle.
  • Randomisez l'ordre de préparation et d'essai des mélanges pour éviter un biais systématique dû à la séquence de mesure, à la dérive de l'équipement ou aux effets de l'analyste.

Alternatives : quand ne pas utiliser Create Mixture DoE

  • Si les facteurs sont des variables de procédé indépendantes et non des proportions dont la somme est constante, utilisez Create Factorial DoE ou Create Definitive Screening Design
  • Si les facteurs comprennent à la fois des composants de mélange et des variables de procédé, mais que vous voulez les analyser séparément, concevez d'abord les composants de mélange et de procédé indépendamment avant de les combiner.

Qu'est-ce que Analyse Mixture DoE ?

Analyse Mixture DoE ajuste un modèle de régression de mélange spécialisé, appelé polynôme de Scheffé, aux données de réponse recueillies lors d'une expérience de mélange. Contrairement à la régression standard, les modèles de mélange tiennent correctement compte de la contrainte selon laquelle toutes les proportions d'ingrédients doivent avoir une somme constante, et ils estiment comment les ingrédients pris individuellement et leurs combinaisons de mélange deux à deux ou d'ordre supérieur influencent la réponse.

L'analyse identifie les ingrédients et les interactions de mélange significatifs, produit des courbes de niveau et des graphiques de trace pour visualiser la surface de réponse dans l'espace du mélange, et génère le modèle ajusté nécessaire pour exécuter le Response Optimizer afin de trouver le mélange idéal.

Quand utiliser Analyse Mixture DoE ?

  • À utiliser après avoir terminé une expérience de plan de mélange et enregistré toutes les mesures de réponse des mélanges préparés.
  • À utiliser pour identifier les ingrédients et combinaisons d'ingrédients qui influencent significativement la réponse.
  • À utiliser pour visualiser la surface de réponse dans l'espace du mélange à l'aide de courbes de niveau montrant où se trouvent, dans l'espace du mélange, les meilleures et les pires réponses.
  • À utiliser pour construire le modèle prédictif qui alimentera le Response Optimizer afin de trouver la formulation de mélange optimale.

Recommandations pour bien utiliser Analyse Mixture DoE

  • Commencez par le modèle le plus simple qui soit scientifiquement raisonnable : Linear d'abord, puis Quadratic si des effets de mélange sont attendus, puis Special Cubic seulement si de fortes synergies à trois composants sont suspectées.
  • Examinez attentivement les graphiques des résidus avant d'interpréter tout résultat : un modèle dont les résidus ne sont pas aléatoires ne doit pas servir à optimiser des formulations de mélange.
  • Utilisez le R carré et le R carré ajusté pour évaluer l'ajustement du modèle : un bon modèle de mélange atteint généralement un R carré supérieur à 0.80 pour une réponse significative.
  • Validez le meilleur mélange identifié par le modèle avec des mélanges de confirmation indépendants avant de passer en production : vérifiez toujours les prédictions de manière expérimentale.
  • Lorsque des variables de procédé sont incluses, vérifiez la significativité des termes de mélange comme de ceux des variables de procédé et ne simplifiez pas l'un au détriment de l'autre.

Alternatives : quand ne pas utiliser Analyse Mixture DoE

  • Si les données proviennent d'une expérience factorielle standard et non d'un plan de mélange, utilisez plutôt Analyse Factorial DoE : les modèles de Scheffé ne conviennent pas à des données factorielles sans contrainte.
  • Si la réponse est binaire ou catégorielle, utilisez une approche de régression logistique plutôt qu'un modèle de mélange standard.

Exemple de Create & Analyse Mixture DoE

Les étapes suivantes :

  1. Saisissez les données nécessaires dans le panneau de droite Design & Analysis Inputs.
Create & Analyse Mixture DoE — figure 1

2. Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.

3. Pour trouver Create & Analyse Mixture DoE, choisissez Statistical module> DOE>Create & Analyse Mixture DoE.

4. Cliquez sur Step 1. Dans le panneau de gauche sous Designed Experiments & Results, la matrice du plan de mélange est générée. Ajoutez les variables de réponse (résultats) comme nouvelles colonnes à la fin de la matrice du plan de mélange.

5. Dans le panneau de droite sous Design & Analysis Inputs, repérez l'option Responses . Sélectionnez les colonnes de variables de résultat nouvellement ajoutées pour les définir comme variables de réponse.

6. Sélectionnez les interaction terms requis selon les exigences de l'expérience

7. Cliquez sur Step 2 pour effectuer l'analyse du plan d'expériences.

Create & Analyse Mixture DoE — figure 2

8. Après avoir utilisé l'outil mentionné ci-dessus, vous obtenez les résultats suivants :

Create & Analyse Mixture DoE — figure 3Create & Analyse Mixture DoE — figure 4

Comment réaliser Create & Analyse Mixture DoE

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> DOE>Create & Analyse Mixture DoE.
  3. Ensuite, mettez à jour les données manuellement, ou copiez-les (Ctrl+C) depuis une feuille Excel ou collez-les (Ctrl+V).
  4. Ensuite, vous devez renseigner les options requises.
  5. Cliquez sur Step 1. Dans le panneau de gauche sous Designed Experiments & Results, la matrice du plan de mélange est générée. Ajoutez les variables de réponse (résultats) comme nouvelles colonnes à la fin de la matrice du plan de mélange.
  6. Dans le panneau de droite sous Design & Analysis Inputs, repérez l'option Responses . Sélectionnez les colonnes de variables de résultat nouvellement ajoutées pour les définir comme variables de réponse.
  7. Sélectionnez les interaction terms requis selon les exigences de l'expérience
  8. Cliquez sur Step 2 pour effectuer l'analyse du plan d'expériences.

Sur le tableau de bord de Create & Analyse Mixture DoE, la fenêtre est divisée en deux parties.

Create & Analyse Mixture DoE — figure 5

Dans la partie gauche se trouve Designed Experiments & Results. Dans Designed Experiments & Results, le plan d'expériences est généré.

Dans la partie droite, de nombreuses options sont proposées :

  • Component Variable Table : c'est ici que vous définissez chaque ingrédient de votre mélange. Chaque ligne représente un composant du mélange, et chaque colonne capture une propriété particulière de cet ingrédient.
    • Name : le libellé que vous attribuez à chaque ingrédient, comme Water, Resin, Hardener ou Pigment. Utilisez un nom clair et descriptif afin que la feuille du plan et les graphiques de résultats soient faciles à lire et à interpréter.
    • Low / High : les niveaux minimal et maximal auxquels cette variable sera testée (par défaut 0 et 1 pour des valeurs codées)
      • Sum of lower bounds must be less than 1.0 — si la quantité minimale requise de l'ensemble des ingrédients dépasse déjà 100%, aucun mélange valide n'existe et le plan ne peut pas être généré. Par exemple, avec trois ingrédients ayant chacun une borne inférieure de 0.40, les minimums totalisent à eux seuls 1.20, ce qui est impossible.
      • Sum of upper bounds must be greater than 1.0 — si la quantité maximale autorisée de l'ensemble des ingrédients est inférieure à 100%, aucun mélange valide ne peut non plus être construit. Par exemple, si trois ingrédients ont chacun une borne supérieure de 0.30, les maximums ne totalisent que 0.90, ce qui signifie qu'il est impossible de combler les 0.10 restants.
  • Process Variable Table (Optional) : si l'expérience comprend des conditions de procédé indépendantes, telles que la durée de mélange, la température de traitement ou la pression de durcissement, en plus des composants du mélange, définissez ces variables ici. L'outil combinera le plan de mélange avec une structure factorielle pour les variables de procédé, créant un plan combiné mélange-procédé qui estime simultanément les effets de mélange des ingrédients et les effets du procédé. Cette section n'est à remplir que si votre expérience comprend des conditions de procédé indépendantes en plus des ingrédients du mélange, comme la vitesse de mélange, la température, la durée de durcissement ou la pression. Chaque variable de procédé requiert trois entrées :
    Si votre expérience ne porte que sur des proportions d'ingrédients et sans condition de procédé, laissez cette section entièrement vide et passez directement à la sélection du type de plan ci-dessous.
    • Name — un libellé explicite pour la variable (p. ex. Temperature, Speed)
    • Low / High — les niveaux minimal et maximal auxquels cette variable sera testée (par défaut −1 et +1 pour des valeurs codées)
  • Factorial Design : lorsque des variables de procédé sont ajoutées, cette liste déroulante contrôle la fraction de toutes les combinaisons possibles de variables de procédé qui seront effectivement testées. Les options disponibles dépendent entièrement du nombre de variables de procédé que vous avez saisies : l'outil met automatiquement à jour la liste pour n'afficher que les fractions statistiquement valides pour votre nombre de variables.
    Voici précisément comment les options apparaissent selon le nombre de variables de procédé saisies :
    Variables de procédé saisiesOptions de Factorial Design disponibles
    1 variable
    Full factorial uniquement
    2 variables
    Full factorial uniquement
    3 variables
    Full factorial, Half factorial
    4 variables
    Full factorial, Half factorial
    5 variables
    Full factorial, Half factorial, Quarter factorial
    6 variables
    Full factorial, Half factorial, Quarter factorial, Eighth factorial
    7 variables
    Full factorial, Half factorial, Quarter factorial, Eighth factorial, Sixteenth factorial
    Pourquoi cela se produit-il ?
    Les plans factoriels fractionnaires n'ont un sens statistique que lorsqu'il y a assez de variables pour justifier la division. Avec 1 ou 2 variables de procédé, un plan factoriel complet ne compte que 2 ou 4 essais : il n'y a rien à fractionner de manière pertinente. À mesure que le nombre de variables augmente, davantage de fractions deviennent disponibles, car il y a assez de combinaisons de facteurs pour les diviser sans perdre d'information importante.
    Signification de chaque option de plan factoriel
    • Full Factorial : teste toutes les combinaisons possibles de niveaux des variables de procédé. Avec 3 variables de procédé à 2 niveaux chacune, cela fait 8 essais. Fournit une information complète sur tous les effets principaux et toutes les interactions. Toujours disponible, quel que soit le nombre de variables.
    • Half Factorial : teste la moitié de toutes les combinaisons possibles (fraction = 1/2). Réduit le nombre d'essais de 50% par rapport au plan factoriel complet. Certaines interactions entre deux facteurs sont confondues avec des effets principaux. Disponible à partir de 3 variables.
    • Quarter Factorial : teste un quart de toutes les combinaisons possibles (fraction = 1/4). Réduit le nombre d'essais de 75%. Les confusions sont plus nombreuses, mais les effets principaux restent estimables. Disponible à partir de 5 variables.
    • Eighth Factorial : teste un huitième de toutes les combinaisons possibles (fraction = 1/8). Très compact, surtout utile pour un criblage initial lorsque les variables de procédé sont nombreuses et que le nombre d'essais doit rester minimal. Disponible à partir de 6 variables.
    • Sixteenth Factorial : teste un seizième de toutes les combinaisons possibles (fraction = 1/16). La réduction la plus extrême disponible. Seuls les effets principaux peuvent généralement être estimés proprement, les interactions étant fortement confondues. Disponible uniquement lorsque 7 variables de procédé ou plus sont saisies.
  • Type Of Designs :
    • Simplex Lattice : place les points du plan à des proportions régulièrement espacées dans le simplexe du mélange, y compris les composants purs, les mélanges binaires, les mélanges ternaires, etc., selon le degré choisi. Plus le degré est élevé, plus il y a de points dans le plan et plus le modèle de mélange pouvant être ajusté est complexe. Convient surtout à l'étude de l'espace complet du mélange sans contrainte sur les ingrédients.
      • Lattice Degree : contrôle le nombre de valeurs de proportion que chaque ingrédient peut prendre (de 0 à 1), ce qui détermine la complexité du plan et le modèle que vous pouvez ajuster.
        • Degree 2 — valeurs : 0, ½, 1. Ajuste un modèle quadratique . Convient aux études initiales où les effets de mélange deux à deux sont l'intérêt principal.
        • Degree 3 — valeurs : 0, ⅓, ⅔, 1. Ajuste un modèle cubique spécial . À utiliser lorsque des interactions à trois composants sont suspectées.
        • Degree 4 — valeurs : 0, ¼, ½, ¾, 1. Ajuste un modèle quartique . Uniquement pour un mélange fortement non linéaire avéré, rarement nécessaire.
      • Axial Points : situés à mi-chemin entre le sommet pur de chaque composant et le centroïde, avec un ingrédient élevé et les autres répartis également.
        • Include when : vous utilisez Degree 2 avec 3 à 5 composants, les sommets purs ne sont pas réalisables, ou vous avez besoin de meilleures prédictions dans la région du centroïde.
        • Exclude when : vous minimisez le nombre d'essais, êtes déjà en Degree 3/4, utilisez 6 composants ou plus, ou des contraintes serrées rendent les points axiaux irréalisables (utilisez plutôt Extreme Vertices).
    • Simplex Centroid : comprend des points du plan aux sommets des composants purs, aux points médians de chaque mélange binaire, au centroïde de chaque mélange ternaire et au centroïde global du mélange. Ce plan offre une bonne couverture de l'ensemble de l'espace du mélange et permet d'ajuster des modèles qui capturent la façon dont des paires et des groupes d'ingrédients interagissent. À utiliser de préférence lorsqu'aucune contrainte ne pèse sur les ingrédients.
      • Axial Points : situés à mi-chemin entre le sommet pur de chaque composant et le centroïde, avec un ingrédient élevé et les autres répartis également.
        • Include when : vous utilisez Degree 2 avec 3 à 5 composants, les sommets purs ne sont pas réalisables, ou vous avez besoin de meilleures prédictions dans la région du centroïde.
        • Exclude when : vous minimisez le nombre d'essais, êtes déjà en Degree 3/4, utilisez 6 composants ou plus, ou des contraintes serrées rendent les points axiaux irréalisables (utilisez plutôt Extreme Vertices).
    • Extreme Vertices : utilisé lorsqu'un ou plusieurs ingrédients ont des contraintes de borne supérieure ou inférieure qui restreignent la région de mélange réalisable à un sous-espace du simplexe complet. Les points du plan sont placés aux coins (sommets), aux points médians des arêtes et au centroïde de cette région réalisable contrainte, ce qui garantit que l'expérience n'explore que des mélanges réellement réalisables. C'est le bon choix lorsque des contraintes d'ingrédients existent.
    • Responses : saisissez le nom et l'unité de chaque variable de sortie à mesurer sur les mélanges préparés, comme la viscosité, la dureté, le rendement ou la durée de conservation. Plusieurs réponses peuvent être enregistrées à partir du même ensemble de mélanges expérimentaux, ce qui permet d'optimiser simultanément plusieurs propriétés du produit à partir d'une seule expérience.
    • Select Terms : choisissez les termes du modèle de mélange à inclure dans l'analyse finale. Les choix courants comprennent Linear (mélange du premier ordre) et Quadratic (interactions de mélange deux à deux). Commencez par le modèle le plus simple qui soit scientifiquement raisonnable et ne l'étendez que si les données le justifient.

Questions fréquentes

Qu'est-ce qu'un plan de mélange ?

Un plan de mélange est une expérience dans laquelle les facteurs sont des proportions d'ingrédients dont la somme doit égaler un total fixe, généralement 100% ou 1.0, comme une formulation de peinture, une recette alimentaire, un composé pharmaceutique ou un mélange chimique. Comme augmenter un ingrédient revient à en diminuer un autre, les plans factoriels standard ne peuvent pas gérer cette contrainte.

Quel plan de mélange choisir ?

Le réseau simplex (simplex lattice) place les points à des proportions régulièrement espacées, le degré du réseau (2, 3 ou 4) fixant le modèle que vous pouvez ajuster. Le centroïde simplex (simplex centroid) utilise les composants purs, les points médians binaires, les centroïdes ternaires et le centroïde global. Les deux conviennent à l'espace de mélange complet, sans contrainte. Utilisez les sommets extrêmes (extreme vertices) lorsque les ingrédients ont des bornes supérieure ou inférieure qui restreignent la région réalisable.

Quel modèle sert à analyser une expérience de mélange ?

L'analyse ajuste un polynôme de Scheffé, qui tient compte de la contrainte selon laquelle les proportions ont une somme constante et estime comment les ingrédients individuels et leurs combinaisons de mélange influencent la réponse. Commencez par le modèle raisonnable le plus simple : linéaire, puis quadratique si des effets de mélange sont attendus, puis cubique spécial seulement si de fortes synergies à trois composants sont suspectées.

Quelles contraintes les bornes des composants doivent-elles respecter ?

La somme des bornes inférieures doit être inférieure à 1.0 et la somme des bornes supérieures doit être supérieure à 1.0, faute de quoi aucun mélange valide n'existe. Par exemple, trois ingrédients ayant chacun une borne inférieure de 0.40 totalisent 1.20, ce qui est impossible. Des variables de procédé telles que la température peuvent être ajoutées et sont combinées au plan de mélange dans une structure factorielle.